← Fine-Grained Image Classification

Papers with Code · CC BY-SA 4.0

Caltech-101

아카이브 평가 18건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
VIT-L/16	Top-1 Error Rate 1.98%	Reduction of Class Activation Uncertainty with Background Information 2023-05-05	코드 1 · 코드 2
Wide-ResNet-101 (Spinal FC)	Top-1 Error Rate 2.68% Accuracy 97.32	SpinalNet: Deep Neural Network with Gradual Input 2020-07-07	코드 1 · 코드 2 · 코드 3
Wide-ResNet-101	Top-1 Error Rate 2.89%	SpinalNet: Deep Neural Network with Gradual Input 2020-07-07	코드 1 · 코드 2 · 코드 3
µ2Net+ (ViT-L/16)	Top-1 Error Rate 4.06%	A Continual Development Methodology for Large-scale Multitask Dynamic ML Systems 2022-09-15	코드 1
ResNeXt-101-32x8d	Top-1 Error Rate 4.42% Accuracy 95.58	Dead Pixel Test Using Effective Receptive Field 2021-08-31	코드 1
TWIST (ResNet-50 )	Top-1 Error Rate 6.5% Accuracy 93.5%	Self-Supervised Learning by Estimating Twin Class Distributions 2021-10-14	코드 1 · 코드 2
VGG-19bn (Spinal FC)	Top-1 Error Rate 6.84%	SpinalNet: Deep Neural Network with Gradual Input 2020-07-07	코드 1 · 코드 2 · 코드 3
µ2Net (ViT-L/16)	Top-1 Error Rate 7%	An Evolutionary Approach to Dynamic Introduction of Tasks in Large-scale Multitask Learning Systems 2022-05-25	코드 1
NNCLR	Top-1 Error Rate 8.7%	With a Little Help from My Friends: Nearest-Neighbor Contrastive Learning of Visual Representations 2021-04-29	코드 1 · 코드 2 · 코드 3 · 코드 4
SEER (RegNet10B - linear eval)	Top-1 Error Rate 9.0% Accuracy 91.0	Vision Models Are More Robust And Fair When Pretrained On Uncurated Images Without Supervision 2022-02-16	코드 1
ViT-S/16 (RPE w/ GAB)	Top-1 Error Rate 9.798%	Understanding Gaussian Attention Bias of Vision Transformers Using Effective Receptive Fields 2023-05-08	코드 1
AutoAugment	Top-1 Error Rate 13.07%	AutoAugment: Learning Augmentation Policies from Data 2018-05-24	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33
PreResNet-101	Top-1 Error Rate 15.8036%	How to Use Dropout Correctly on Residual Networks with Batch Normalization 2023-02-13	코드 1
SE-ResNet-101 (SAP)	Top-1 Error Rate 15.949%	Stochastic Subsampling With Average Pooling 2024-09-25	연결 없음
ResNet-101 (ideal number of groups)	Top-1 Error Rate 22.247%	On the Ideal Number of Groups for Isometric Gradient Propagation 2023-02-07	연결 없음
UL-Hopfield (ULH)	Accuracy 91.00	Unsupervised Learning using Pretrained CNN and Associative Memory Bank 2018-05-02	연결 없음
Bamboo (ViT-B/16)	Accuracy 94.8	Bamboo: Building Mega-Scale Vision Dataset Continually with Human-Machine Synergy 2022-03-15	코드 1 · 코드 2
Pre trained wide-resnet-101	Accuracy 97.76	ProgressiveSpinalNet architecture for FC layers 2021-03-21	코드 1